Математические методы анализа текстов (ВМиК МГУ) / 2018

Материал из MachineLearning.

Версия от 12:30, 28 мая 2018; Mapishev (Обсуждение | вклад)

(разн.) ← Предыдущая | Текущая версия (разн.) | Следующая → (разн.)

Содержание

1 Контакты
2 Программа курса
3 Лекции
4 Семинары
5 Задания
- 5.1 Результаты проверки
- 5.2 Оценка за курс
6 Литература
- 6.1 Питон и библиотеки
- 6.2 Инструменты для работы с текстами

Курс посвящен методам анализа текстов на основе статистики и машинного обучения.

Курс читается магистрам 1го года кафедры «Математические методы прогнозирования» ВМК МГУ.

Обработка естественного языка (Natural Language Processing) - широкая область на стыке лингвистики и компьютерных технологий. Сегодня здесь решается огромное число задач, например, классификация текстов, определение тональности, машинный перевод, распознавание речи, обработка запросов в поиске. В ходе курса слушатели познакомятся с основными методами и применят их на практике.

Контакты

Лекции и семинары проходят по пятницам 12-50 - 14-25, 14-35 - 16-10 в ауд.505.
Лектор: Виктор Китов
Семинарист: Мурат Апишев
Почта курса (семинары, задания): nlp.msu@gmail.com.
Здесь вы в любой момент можете оставить анонимный отзыв или предложение.

Программа курса

Токенизация, коллокации, регулярные выражения, языковые модели
Определение частей речи, скрытая марковская модель, модель максимальной энтропии, тэггер Брилла.
Классификация текстов, tf-idf, метод ближайших центроидов, модели Бернулли и мультиномиальная; регуляризация, отбор признаков; анализ тональности.
Тематические модели.
Нейросети (обратное распространение ошибки, функции активации, инициализация весов, оптимизация); векторные представления слов: word2vec (CBOW, skip-gram), glove.
Регулярные языки, transduser, типы грамматик, контекстно-свободные грамматики; синтаксические анализаторы; алгоритм Кока-Янгера-Касами, вероятностные грамматики, вероятностный алгоритм Кока-Янгера-Касами
Детали обучения нейросетей: дропаут, батч-нормализация, рекуррентные нейронные сети; задача NER.
RNN, LSTM, GRU; CNN
Вопросно-ответные системы, автоматическая суммаризация, PageRank
WordNet, проблема лексической неоднозначности, алгоритм Леска; проверка орфографии

Лекции

Токенизация, коллокации, регулярные выражения.

Языковые модели.

Скрытая марковская модель для дискретных признаков.

Разметка частей речи.

Скрытая марковская модель с дискретными выходами.

Классификация текстов.

Вероятностное тематическое моделирование, часть 1.

Вероятностное тематическое моделирование, часть 2.

Векторные представления слов.

Оценка тональности текстов.

Редакторское расстояние.

Сверточные нейросети для анализа текстов.

Рекуррентные нейросети.

Применения рекуррентных нейросетей.

Семинары

	Дата	Тема	Материалы
Семинар 1	9.02.2018	Правила курса, получение данных, предобработка текста, извлечение коллокаций	Слайды
Семинар 2	17.02.2018	Языковые модели, статистический машинный перевод, задача выравнивания	Слайды
Семинар 3	12.03.2018	Классификация текстов, инструменты (Vowpal Wabbit, FastText), задача анализа тональности	Слайды
Семинар 4	23.03.2018	Тематическое моделирование	Слайды
Семинар 5	30.03.2018	Векторные представления слов + доклады	Слайды
Семинар 6	06.04.2018	Доклады
Семинар 7	20.04.2018	Информационный поиск	Слайды
Семинар 8	27.04.2018	Глубинное обучение в обработке текстов	Слайды
Семинар 9	4.05.2018	Доклады

Ссылка на слайды докладов

Задания

	Дедлайн	Баллы	Тема	Материалы
Лабораторная 1	21:00 8 марта 2018	10 баллов	Языковое моделирование и распознавание языка.	Ipython-ноутбук с заданием + данные.
Лабораторная 2	21:00 29 марта 2018	10 баллов	Определение частей речи и выделение именованных сущностей.	Ipython-ноутбук с заданием.
Лабораторная 3	21:00 15 апреля 2018	15 баллов	Задача выравнивания в машинном переводе.	Материалы задания.
Лабораторная 4	21:00 2 мая 2018	15 баллов	Векторные представления слов, тематические модели, анализ тональности.	Данные Формулировка задания.

Результаты проверки

Студенты	Лабораторная № 1	Лабораторная № 2	Лабораторная № 3	Лабораторная № 4	Доклад + выступление	Итог
Амир Мирас	8.5	8.3		9.5	4	30.3
Белобородов Дмитрий	9.5	10	17	14.5	5+5	61.0
Бобров Евгений	7	6.4	12	5	5+5	40.4
Бобров Роман	5	10.5	17			32.5
Гарипов Тимур	9	10.5	12	14.5	5	52.0
Драпак Степан	8.5	11	14	14		47.5
Каюмов Эмиль	9.3	9.2	14	11		43.5
Коваленко Павел	8	10.3	14	14.5	5	51.8
Лунин Дмитрий	8.4	8.8	5	6		28.2
Николаев Владимир	7.4	8.4	12	14.5	5+5	52.3
Пиджакова Анна	5.7	5.3	7	4		22.0
Полыковский Даниил	8.5	9.5	17	14.5	5+5	59.5
Попов Артём	9.5	12	15	14.5	5+5	61.0
Таскынов Ануар	5.5	10.9	16	12.5	5+5	54.9
Трубицын Юрий	3.5	1	14	4		22.5
Ходырева Виктория	9	5.3	12	4		30.3
Шолохова Татьяна	9	10.8	12	14.5	5	51.3

Результаты проверки

Оценка за курс

Оценка за курс определяется оценкой за экзамен (0,3,4 или 5) и результатами работы в семестре (от 0 до 60 баллов включительно). Оценивание производится по следующей схеме:

50+ баллов - автомат, при условии выполнения всех 4 лаб и написании реферата (выступление обязательным не является).
40-49 баллов - итоговая оценка равна оценке за экзамен плюс 1 балл
30-39 баллов - итоговая оценка равна оценке за экзамен
20-29 баллов - итоговая оценка равна оценке за экзамен минус 1 балл
19- баллов - недопуск к экзамену (в этом случае нужно будет дополнительно решать задания до получения суммарного числа баллов >=20)

На экзамене будут вопросы по теоретическому минимуму и по основному материалу. Незнание ответов на вопросы теоретического минимума приводит к пересдаче, количество баллов за семестровую работу при этом никак не учитывается. На самой пересдаче правила аналогичны основному экзамену.